25983

برنامه ريزي شكيل و مسيردهي قطارها با رويكرد بهينه سازي استوار

كارشناسي ارشد

مهندسي راه‌آهن- حمل و نقل ريلي

1397

1400/8/30

مسعود يقيني

مهندسي راه‌آهن

در مدل‌هاي قطعي بهينه‌سازي، داده‌هاي ورودي مدل، قطعي و معادل با مقادير اسمي در نظر گرفته مي‌شوند. اين نگرش، تأثير عدم‌قطعيت بر بهينگي و موجه بودن مدل را مد نظر قرار نمي‌دهد. عيب اصلي مدل‌هاي قطعي اين است كه قادر نيستند در قبال ماهيت تصادفي سيستم‌هاي دنياي واقعي پاسخگو باشند. در حقيقت، داده‌هايي كه مقادير متفاوتي از مقادير اسمي خود را اختيار مي‌كنند، ممكن است منجر به اين شوند كه تعدادي از محدوديت‌ها نقض گردند، جواب بهينه در طولاني مدت بهينه نماند يا حتي موجه بودن آن از بين برود. بهينه سازي استوار به مدل‌سازي مسائل مربوط به بهينه سازي در شرايط عدم‌قطعيت داده‌ها اطلاق مي‌گردد و هدف، رسيدن به جوابي است كه در حضور همه يا اكثر پارامترهاي غيرقطعي، شدني باشد. در اين پايان نامه به مسئله‌ي يكپارچه‌ي تشكيل و مسير‌دهي به قطارها پرداخته‌ايم. در اين مسئله قصد داريم كه ضمن مسيردهي و گروه‌بندي واگن‌هاي حاوي محموله‌هاي تقاضا‌ها، محدوديت‌هاي مربوط به ظرفيت خطوط ريلي و ايستگاه‌ها‌ رعايت شود. مسئله مطالعه شده در دو حالت براورده شدن همه تقاضاها و براورده شدن بخشي از تقاضاها با در نظر گرفتن عدم‌قطعيت برروي پارامتر تقاضا بررسي شده‌است. با توجه به اهميت كنترل عدم‌قطعيت پارامترهاي ورودي در مسائل راه‌آهن و كاربردهاي مختلف در برنامه‌ريزي حمل و نقل ريلي در اين تحقيق، با بكارگيري تكنيك‌هاي بهينه‌سازي استوار بودجه‌اي (برتسيماس و سيم) و همچنين رويكرد سويستر، به ارائه مدل‌هاي استوار براي مسئله برنامه‌ريزي تشكيل و مسيردهي به قطارها و تحليل نتايج با استفاده از سالور CPLEX در نرم‌افزار GAMS پرداخته شده‌است. نتايج حاصل از حل اين مدل گوياي آن است كه اين مدل قادر است تا به جوابي با كيفيتي بالا برسد. در اين پايان‌نامه مدل‌هاي ارائه شده برروي داده‌هاي مسابقه RAS پياده سازي شده‌است.

1400/11/13

A Mathematical Robust Optimization Formulation for Train Formation and Shipment path Planning

11/21/2022 12:00:00 AM

In deterministic optimization models, the input data of the model are deterministic and equivalent to nominal values. this attitude does not consider the impact of uncertainty on optimality and feasibility of the model. The main disadvantage of deterministic models is their inability to respond to the uncertainty of real-world systems. In fact, data that take values that are different from their nominal values may lead to a number of limitations being violated, the optimal answer not being optimized in the long run, or even losing its validity and being infeasible. Robust optimization refers to the modeling of optimization problems in the face of data uncertainty, and the goal is to arrive at an answer that is feasible in the presence of all or most of the uncertain parameters. In this study, we have dealt with the issue of integrated train formation and shipment path. In this case, the purpose is to route and group wagons containing cargoes of demand, as well as to limitation of the capacity of railways and stations. Considering the importance of controlling the uncertainty of input parameters in railway issues and various applications in rail transportation planning in this research, by using the technique of robust budget optimization (Bertsimas and Sim), we provide robust models for the issue of train formation and shipment path. The results were obtained using CPLEX solver in GAMS software. The results of solving this model show that this model is able to achieve a high-quality answer. In this dissertation, the presented models are implemented on RAS competition (2019) data